与「叫兽」相关的搜索结果

下班了下班了！！来成都拍摄三天 感谢铁手叫兽喘不过气帮我拍照 感谢门槛哥来帮我后勤 感谢化妆师小姐姐辛苦了辛苦了！！ 这家火锅真好吃🥰🥰🥰

胶片感 🍎6s拍摄 期待一下成片吧～这次和叫兽拍了6套 他说我适合纯欲清新 我们拍cos的时候都拍emo了！我超级不适合cos 真的很掩盖颜值

我上中学的时候，隔壁班有个同学，叫“张益民”。 和张一鸣很相似。 这个同学，几乎什么题目都会，只需要老师讲一遍。 初中三年，基本上物理化学和数学，次次满分或接近满分。 唯一学得不好的，是英语。150分的试卷能考个120左右。 全校为了让他整体分数更高一些，把市里的英语老师请来给他辅导。 高中三年，几乎也都在学英语。高考的时候，英语考到140多分，数理化接近满分。 最后上了北航，似乎比张一鸣本人上的大学还出名一些。 只是，如今十多年过去了，他似乎还没多少名气。 身边北理工的几位，去新加坡留学了，前几天说要创业了，未来恐怕都是独角兽级别的…… 我只想说，差距真他妈大。

追觅要成成下一个乐视？ 这回真的危险了！ 追觅真正危险的，不是扫地机器人突然不行了。 而是它过去那套“产品公司 + 地方国资 + 产业基金 + 生态公司 + 高估值叙事”的资本机器，开始被反查了。 追觅每一个新产业都是和各个地方招商深度合作的，地方财政出80%的投资基金，追觅出20%，但是地方财政出了大头反而完全不管企业经营，追觅出了20%却能全权决定所有资金的使用权。 如果一个项目里，地方资金占了大头，甚至承担了绝大部分资金投入，但真正的运营权、决策权、话语权却主要掌握在追觅体系手里，那地方现在回头摸排就很正常了：钱投哪了？ 项目落地了吗？ 产能出来了吗？ 税收和就业兑现了吗？ 国资到底是在投产业，还是在给一个估值故事加杠杆？ 追觅过去最强的能力，是把扫地机讲成机器人，把机器人讲成 AI，把 AI 讲成万物生态，再拿这个故事去撬动地方资源和资本市场。 顺周期的时候，这叫硬科技独角兽。 逆周期的时候，一旦有几个项目亏损较大，地方就会开始排查。 所以追觅不是产品公司身份崩了，而是资本叙事的信任开始松了。 接下来它能不能过关，就看三件事：主业财务经不经得起审计； 地方基金项目有没有真实产出； 汽车、手机、机器人这些跨界，到底是战略，还是估值材料？ 追觅最危险的地方，不是卖不动货，而是过去最会讲故事、最会拿钱、最会扩张的那套模式，开始被要求验货了。

一个人，一台电脑，月入400w。 他就是 Pieter Levels @levelsio 作为独立开发者，过去几年，他公开构建了上百个项目。 很多人可能听过他的神话，但大多数人对他的理解，还停留在「勤奋」或者「运气好」这种肤浅的层面。 我跟你说，Pieter 真正恐怖的地方，不是他一年能撸 12 个项目，是他彻底颠覆了工业时代以来，人类对「商业」这两个字的底层认知。 他像一个生活在赛博时代的幽灵，用最原始的工具，构建了一个属于他一个人的数字帝国。 其实吧，现在的创业圈，病得很重。 很多好学生都在玩一种叫「假装创业」的游戏。 我们习惯了用「资源的堆砌」来掩盖「思考的懒惰」。 用最贵的AI产品，租最贵的办公室，招最优秀的员工，拿最头部的风投，然后花半年时间开会、写 PPT、打磨那个可能根本没人要的产品。 这种模式在工业时代行得通，因为那是规模效应的时代。 但在 AI 时代，这种沉重的组织架构，就是自杀。 Pieter 的逻辑完全相反。 他有一句名言：If you're not embarrassed by the first version of your product, you've launched too late. （如果你不为产品的第一个版本感到羞耻，那你上线就太晚了。） 他的 Photo AI，刚上线的时候，后台其实根本没跑什么牛逼的算法。 他只是在 X 上发了一句：AI 替代 85% 摄影工作。 然后迅速撸了个极其简陋的网页，挂了个付费链接。 用户付了钱，上传照片，后台其实是他在手动给 AI 修图。 他用这种「手搓」的方式，在第一周就验证了一个极其残酷的事实： 用户真的愿意为了「AI 摄影」这件事掏钱。 这就是认知的降维打击。 他把产品当成一个生物体在演化，而不是一个工业品在制造。 工业品需要出厂即完美，而生物体只需要在环境中活下来。 大多数人死在追求完美的傲慢里，而 Pieter 活在快速验证的卑微里。 他不在乎产品美不美，他在乎的是，用户的钱袋子到底有没有动。 我有时候觉得，我们不是缺技术，也不是缺钱。 我们缺的是那种「敢于直面市场真实反馈」的勇气。 Pieter 用的技术栈，在程序员眼里简直是「垃圾」：PHP、jQuery、SQLite。 他用这些被主流圈子嫌弃的「老古董」，跑出了吊打无数独角兽的现金流。 因为他明白一个真理：用户买的是解决方案，不是你的代码优雅程度。 在这个 High Tech, Low Life 的时代，一个人就是一支军队。 Pieter 的生活状态极其分裂：在沙发上，穿着内裤，抱着一台破笔记本，写着被大厂鄙视的代码，却赚着大厂 CEO 都羡慕的钱。 这背后就是一种极端的数字主权。 在 AI 抹平了技术门槛的今天，真正稀缺的不再是代码能力，是你对真实世界的感应力。 他不属于任何公司，不依赖任何平台，他只属于他自己。 这种自由，是靠无数次失败换来的。 他那「12 个月做 12 个项目」的挑战，其实是一场关于「概率」的豪赌。 如果你一年试 12 个方向，只要撞对一个，你就成了。 而大多数人，这一辈子连一次真正的尝试都没做过，就在脑子里把自己否定了。 我想到了《赛博朋克 2077》里的那句话，世界正在变得越来越折叠。 一部分人在沉重的体制里慢慢腐烂，另一部分人像 Pieter 这样，在数字缝隙里疯狂生长。 别再憋大招了，朋友们。 去试错，去被拒绝，去用最简陋的工具，去撞那个最真实的需求。 这个时代，不再属于大象，而属于那些跑得足够快的跳蚤。

又一个可以美股抄作业的AI投资大神，就是那个被 #OpenAI# 扫地出门的天才少年Leopold Aschenbrenner，他管理的基金Situational Awareness，仅仅1年多时间，从资产2.25亿美金飙升到如今55亿美金，整整增长了24倍。 他目前持仓的15只主要美股，每一只都跟AI相关，他的逻辑跟我们平时研究公链或AI的逻辑有异曲同工之处，核心看底层硬约束。缺电投电，缺内存投内存，缺机房投机房。 25年底，他基金披露出来的前5大持仓分别如👇图2，这5家公司在26年涨幅都十分惊人，给基金带来了接近20亿美金增长，以后是一个很好抄作业的代表，抄作业链接放在评论区！ #BE# 解决“缺电问题”。 #LITE# 解决“数据传输问题”。 #CRWV# 解决“云与Token经济问题”； #SNDK# 解决“数据存储问题”。 #CIFR# 解决“机房借电问题”； 1️⃣Bloom Energy (#BE#) ，AI 时代的“私人充电宝” 核心卖燃料电池的。它不靠电网，直接用天然气或氢气在现场发电，减少了AI机房的电力建设周期。 众所周知，美国电网旧的老掉牙，要等电网完善，AI机房黄花菜都凉了。Oracle要建超大规模机房给 OpenAI 用，电网批电要等几年，但找 Bloom Energy 几个月就能搞定，而Oracle也是BE的大客户之一。它现在是 AI 基础设施的「脱电网神器」。 2️⃣Lumentum Holdings (#LITE#) ，算力机房的“高速公路”，光通信领域的绝对龙头，专门做光收发器和激光器。 现在的 GPU 集群，比如几万张 H100之间，数据交换量极其恐怖。如果用铜线连接，速度慢还发热。Lumentum 的光模块就是把电信号变光信号，让几万颗芯片像一个大脑一样协同工作。没有它，算力集群就是一盘散沙。 3️⃣CoreWeave Inc(#CRWV#) 属于NVIDIA 的“亲儿子”算力商。这家公司以前是挖以太坊的，毕竟都是GPU，由于ETH转型POS后，干脆后面全仓转型搞 GPU 云服务。 它是 NVIDIA 全球最大的合作伙伴之一，甚至能先于亚马逊、谷歌拿到最顶级的显卡（H100/H200/B200）。它是专门为 AI 训练而生的云，效率比传统公有云高得多，是现在 AI 独角兽们最爱租的“算力房东”。 4️⃣Sandisk Corp (#SNDK#) ，最近已经涨疯了，很快要站上1000美金了，作为存储巨头，核心做闪存和 SSD 硬盘。 目前大家都在抢算力，但 AI 模型越大，喂给它的数据就越多，训练出来的“权值文件”也越大。AI 不光需要大脑快，还需要兜里装得下海量知识。存储是整个 AI 链条里刚需型的环节。 5️⃣Cipher Digital (#CIFR#) ， 矿场变机房的“转型标兵”，它是一家从加密货币矿工成功上岸 HPC。 首先这家公司原来叫 Cipher Mining赛富矿业，2026 年初刚改名 Cipher Digital。目前矿场最值钱的是什么？是大载荷的供电许可和现成的配电设施。 这家公司把挖矿的厂房拆了，改造成 AI 机房，直接卖电力容量给 AWS和谷歌。在“缺电”的当下，它手里的电力批文就是金矿。 天才少年Leopold Aschenbrenner的投资逻辑，是值得借鉴和思考的，他采用的便是标准的「第一性原理」，推演未来3-5年后，AI市场最缺乏的是什么，那么现在就去资本市场下注！🧐

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

卧槽，装个插件等于请了个贼进门😅 11 月 13 日，npm 上一个叫 karma365-mcp 的包被 GitHub 标为恶意软件。名字蹭着 MCP 和 Claude 的标签，专钓装插件的人。 装过的机器，按被入侵处理：先清掉，再换密钥😬